作品を登録／閲覧してみよう！
ログインもしくは新規登録
こちらからログイン既にパスワードを登録済みで旧版にログインする方は
下記からログイン可
パスワードはログイン後に設定画面より設定できます
※ボタンが表示されない場合はChrome等別ブラウザをお試しください
※翻訳機能を使っている場合は、登録とログイン前に翻訳解除しないとエラーになりますのでご注意ください
リニューアル版の作品ページはこちら
[0, 1, 2, 3]
161090
0
767449
相変わらず、AIは古いベンチマークばかり挙げる無能。
ログインすると、いいねに応じたおすすめ表示や、画像生成機能が利用できます！
相変わらず、AIは古いベンチマークばかり挙げる無能。
2026-06-29 16:00:00
Chat GPT
Chat GPT
対象年齢：全年齢
デイリー入賞： 71 位
今の主流は
SWEBench Pro、HLE、OSWorld、FrontierMath、GDPval、GPQA Diamond、ARC-AGI-2、ARC-AGI-3など
インフォグラフィック画像にあるやつは既に飽和状態になってる古いベンチマーク。
無能無能無能無能。
どうせ、今年中にARC-AGI-3を除いて、これらも飽和状態になる。
2027年はベンチマークを作る方が困難になる。
最先端のベンチマークすら飽和状態になる。
一方でARC-AGI-3は現時点では最高1.5%と飽和状態には程遠い。
学問系のベンチマークが飽和状態になっていく。
これからはAIに指示できない無能が淘汰される。
2027年は無能が淘汰される無慈悲な年となる。
GPT5.6は情報不足(明らかにOpenAIが性能誇張を避けてる。情報が無能な程足りん。)のため、今は解説不可能。
現時点でわかるのは
最上位クラスはGPT5.6 Sol、標準クラスがGPT5.6 Terra、軽量クラスがGPT5.6 Luna
現時点で判明したベンチマークでは、TerminalBench 2.1でGPT5.6 Sol Ultraで91.9%。
まさにベンチマークが飽和状態になった瞬間とも言える。
GPT5.6がmythosクラスの最先端モデルと判明した。
おそらく段階的に使える層が増える予測とアメリカでしか使えない予測に分かれる。
今後のOpenAIの動向次第で詳細を解説する。
ログインするとプロンプトなどがチェックできます
※ 作品によっては掲載されていないことがあります
コメント
投稿
純粋にハードウェアのベンチだと負荷を上げるだけでイイんだろうけど、AIはテスト問題を作るのも大変そうだからAIの性能を試すためにAIがいるように・・ 結局いたちごっこになってくる！
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード
実際ベンチマークが高いから使い勝手がいいともいえないですねえ
ダウンロード
ダウンロード
ダウンロード
ダウンロード
ダウンロード